APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA
INDEKS PEMBANGUNAN MANUSIA (IPM) DI SUMATERA
UTARA TAHUN 2012
TUGAS AKHIR
CHAPRYN PUTRI SARAGI
102407062
PROGRAM STUDI D-3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA
INDEKS PEMBANGUNAN MANUSIA (IPM) DI SUMATERA
UTARA TAHUN 2012
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat
mencapai gelar Ahli Madya
CHAPRYN PUTRI SARAGI
102407062
PROGRAM STUDI D-3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Aplikasi Analisis Jalur Dalam Menganalisis Angka Indeks Pembangunan Manusia Di Sumatera Utara Tahun 2012
Kategori : Tugas Akhir
Nama : Chapryn Putri Saragi
Nomor Induk Mahasiswa : 102407062 Program Studi : D3 Statistika Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
Diluluskan di Medan, Juni 2013
Disetujui Oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
Prof. Dr. Tulus, M.Si. Ph.D Dr. Sutarman, M.Sc
PERNYATAAN
APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA DI SUMATERA UTARA TAHUN 2012
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juni 2013
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha
Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan
Tugas Akhir ini dengan judul Analisa Deret Waktu Produksi Kelapa Sawit di Provinsi
Sumatera Utara.
Terimakasih penulis sampaikan kepada Bapak Drs. Agus Salim Harahap, M.Si
selaku pembimbing yang telah meluangkan waktunya selam penyusunan tugas akhir ini.
Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwaro
Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU,
Bapak Prof. Dr.Tulus, M.Si PhD dan Ibu Dra.Mardiningsih, M.Si selaku ketua dan
sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr.Sutarman, Msc
selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3
Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak
terlupakan kepada Bapak Pdt.Goklas.Panggabean, S.Th, dan Ibu Nurmala.Sihotang,
S.Pd dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan.
DAFTAR ISI
Halaman
PERSETUJUAN i
PERNYATAAN ii
PENGHARGAAN iii
DAFTAR ISI iv
DAFTAR TABEL vi
DAFTAR GAMBAR vii
BAB.1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Batasan dan Rumusan Masalah 3
1.3 Tujuan Penelitian 4
1.4 Manfaat Penelitian 4
1.5 Metode Penelitiaan 4
1.8 Sistematika Penulisan 7
BAB.2 TINJAUAN PUSTAKA 9
2.1 Konsep Dasar Statistika 9
2.2 Analisis Jalur 13
2.2.1 Manfaat Analisis Jalur 11 2.2.2 Asumsi-Asumsi Analisis Jalur 11 2.2.3 Model Analisis Jalur 12
2.3 Analisis Regresi Linier Berganda 16
2.4 Uji Regresi Linier Ganda 20
2.5 Koefisien Korelasi 22
BAB.3 GAMBARAN UMUM BADAN PUSAT STATISTIK 24
3.1 Visi dan Misi BPS Provinsi Sumatera Utara 24
3.1.1 Visi Badan Pusat Statistik 24
3.1.2 Misi Badan Pusat Statistik 24
3.2 Struktur Organisasi BPS Provinsi Sumatera Utara 25
3.3 Job Description 26
BAB.4 HASIL DAN PEMBAHASAN 28
4.1 Data yang Dianalisisa 28
4.2 Menafsirkan Hasil Analisis Data 33
4.2.1 Analisis Regresi 33
4.2.2 Analisis Korelasi 37
4.3 Perhitungan Pengaruh 40
4.3.1 Pengaruh Langsung (Direct Effect) 40 4.3.2 Pengaruh Tidak Langsung (Indirect Effect) 42
BAB.5 IMPLEMENTASI SISTEM 45
5.1 Pengertian Implementasi Sistem 45
5.2 Sekilas Tentang Amos Versi 18 45
5.3 Mengaktifkan Amos Versi 18 47
5.4 Membuka Lembar Baru 47
5.5 Membuat Gambar Path Diagram 48
5.6 Pengisian Data 48
5.7 Pengolahan Data dengan Analisis Jalur 49
5.8 Output Hasil Pengolahan Data 51
BAB.6 KESIMPULAN DAN SARAN 52
6.1 Kesimpulan 52
6.2 Saran 53
DAFTAR TABEL
Tabel 2.1 Bentuk Umum Data Observasi 17
Tabel 4.1 Komponen Indeks Pembangunan Manusia (IPM)
DAFTAR GAMBAR
Gambar 1.1 Model Diagram Jalur berdasarkan paradigma 6
Gambar 1.2 Diagram Jalur 7
Gambar 2.1 Model Regresi Berganda 13
Gambar 2.2 Model Mediasi 13
Gambar 2.3 Model Kombinasi Pertama dan Kedua 14
Gambar 2.4 Model Kompleks 14
Gambar 2.5 Model Rekursif 15
Gambar 4.1 Model Diagram Jalur berdasarkan paradigma 30
Gambar 4.2 Diagram Jalur 31
Gambar 5.1 Tampilan Jendela AMOS Versi 18 47
Gambar 5.2 Path Diagram 48
Gambar 5.3 Pengisian Data 48
Gambar 5.4 Pengisian Data pada Data File 49
Gambar 5.5 Pengolahan Data 49
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi dan ilmu pengetahuan mengantar manusia pada tahap
pemahaman yang lebih tinggi di masing-masing bidang ilmu. Dalam mengaplikasikan
bidang ilmu, baik dalam bidang ekonomi, sosial, dan matematika telah ditemukan
beberapa cara dalam menganalisis suatu keadaan. Terutama dalam hal perkembangan
metode statistik yang semakin lama semakin nyata dampaknya. Statistika yang
merupakan salah satu cabang ilmu di bidang matematika yang dapat menganalisis suatu
keadaan untuk membuat kesimpulan sehingga dapat menyelesaikan suatu permasalahan.
Dalam dunia penelitian atau riset, statistika telah memberikan banyak manfaat.
Misalnya saja untuk mengetahui hubungan ataupun pengaruh dari suatu variabel dalam
variabel lainnya.
Salah satu analisis yang digunakan dalam metode statistika untuk mengetahui
hubungan antar variabel adalah analisis jalur. Analisis jalur, salah satu teknik analisis
kuantitatif, merupakan pengembangan dari regresi berganda. Teknik ini mempunyai
perantara. Dengan menggunakan analisis ini peneliti akan memperoleh hasil analisis
lebih akurat, tajam, dan detail (Sarwono, 2006).
Meskipun analisis jalur ini popular dikalangan ekonomi, namun teknik analisis
ini juga digunakan di berbagai ilmu lainnya. Sebagai contoh kasus dalam hal ini, jika
kita lihat di bidang sosial. Manusia merupakan kekayaan bangsa dan sekaligus sebagai
modal dasar pembangunan. Tujuan utama dari pembangunan adalah menciptakan
lingkungan yang memungkinkan bagi rakyatnya untuk menikmati hidup sehat, umur
panjang dan menjalankan kehidupan yang produktif.
Untuk mewujudkan tercapainya ketiga tujuan tersebut dilakukan upaya konkrit
dan berkesinambungan. Misalnya untuk mencapai umur yang panjang ataupun angka
harapan hidup yang tinggi, harus didukung oleh tingkat kesehatan yang baik. Untuk
memiliki pengetahuan dan keterampilan harus didukung oleh pendidikan yang baik
serta memiliki tenaga kerja yang terampil. Dengan meningkatnya kesehatan, pendidikan
serta keterampilan ketenagakerjaan diharapkan masyarakat dapat memenuhi kebutuhan
hidupnya dan meningkatkan kualitas hidup serta pencapaian standar hidup layak
sehingga dapat meningkatkan Indeks Pembangunan Manusia (IPM) atau Human
Development Indeks (HDI) di suatu daerah.
Pada dasarnya banyak variabel sektoral yang mempengaruhi Indeks
Pembangunan Manusia (IPM). Diantaranya adalah harapan hidup, melek huruf,
rata-rata lama sekolah, pengeluaran riil per kapita yang mengungkapkan perkembangan
fenomena tertentu, misalnya perkembangan atau peningkatan kualitas hidup yang setiap
sektoral tersebut diambil beberapa variabel yang dominan terhadap Indeks
Pembangunan Manusia (IPM). Dalam rangka untuk mengukur pengaruh variabel
sektoral terhadap Indeks Pembangunan Manusia (IPM) provinsi Sumatera Utara, maka
perlu dilakukan analisis hubungan antar variabel.
Dari pemaparan kasus di atas, analisis jalur mencoba mengupas tuntas hubungan
sebab akibat yang ditimbulkan oleh beberapa variabel sektoral terhadap Indeks
Pembangunan Manusia (IPM). Oleh sebab itu, penulis melakukan penelitian dengan
judul “APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA
INDEKS PEMBANGUNAN MANUSIA (IPM) DI SUMATERA UTARA TAHUN
2012 ”.
1.2 Batasan dan Rumusan Masalah
Walaupun identifikasi telah ditetapkan, tetapi masih perlu adanya pembatasan masalah
mengenai faktor-faktor yang mempengaruhi Indeks Pembangunan Manusia (IPM).
Untuk mengarahkan pembahasan dalam tugas akhir ini agar tidak menyimpang dari
sasaran yang ingin dituju, maka perlu membuat batasan ruang lingkup permasalahan.
Sebagai pembatasan masalah ini adalah hanya terbatas pada analisis untuk mengetahui
daerah penelitian kemudian permasalahan yang dianalisis yang menentukan
peningkatan kemudian permasalahan yang dianalisis yang menentukan peningkatan
Indeks Pembangunan Manusia (IPM), serta variabel-variabel yang diinginkan dalam
1.3 Tujuan Penelitian
Adapun tujuan penulis melakukan penelitian ini adalah untuk melihat perkembangan
pembangunan manusia di provinsi Sumatera Utara selama tahun 2012 dan peningkatan
Indeks Pembangunan Manusia (IPM) provinsi Sumatera Utara.
1.4 Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat antara lain:
1. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu
yang didapat di bangku kuliah dengan menyatukan materi perkuliahan dengan objek
permasalahan yang dijadikan materi pembahasan.
2. Memberi sumbangan pemikiran pada instansi di provinsi Sumatera Utara yang
berkepentingan dalam meningkatkan Indeks Pembangunan Manusia (IPM).
3. Hasil penelitian ini diharapkan dapat bermanfaat sebagai bahan masukan dan
referensi bagi pihak yang berkepentingan.
4. Melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya.
1.6Metode Penelitian
1. Studi kepustakaan, yaitu metode pengumpulan data untuk memperoleh data dan
informasi dari perpustakaan dengan cara membaca buku-buku referensi dan
bahan-bahan yang bersifat teoritis yan mendukung penulisan tugas akhir.
2. Metode Pengumpulan Data
Pengumpulan data untuk keperluan riset ini telah dilakukan oleh penulis dengan
menggunakan data sekunder yang diperoleh dari instansi yang ada di Badan Pusat
Statistik Provinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian
disusun dan kemudian disajikan dalam bentuk angka-angka dengan tujuan untuk
mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
3. Teknik dan Analisa Data
Data penelitian dianalisis dengan menggunakan analisis jalur. Analisis jalur adalah
suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi
berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya
secara langsung, tetapi juga secara tidak langsung atau juga dapat dikatakan bahwa
analisis jalur merupakan kepanjangan dari analisis regresi berganda.
Dalam menganalisis data ini, penulis menggunakan model persamaan satu jalur.
Pada model persamaan satu jalur ini, hubungan pertamanya sama dengan model
regresi berganda, yaitu variabel bebas terdiri dari lebih dari satu variabel dan
Model diagram jalur berdasarkan paradigma hubungan variabel :
ε
Gambar 1.1 Model diagram jalur berdasarkan paradigma.
Diagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya satu
substruktur, yaitu X1, X2, X3 disebut sebagai variabel eksogen dengan Y sebagai
variabel endogen. Adapun rumus persamaan jalurnya dapat dituliskan sebagai berikut :
Y =
ρ
yx1 X1 +ρ
yx2X2 +ρ
yx3 X3 +ε
Dimana :
ρ
yx1 = koefisien jalur dari yx1ρ
yx2 = koefisien jalur dari yx2ρ
yx3 = koefisien jalur dari yx3X1 = variabel bebas pertama
X2 = variabel bebas kedua
X3 = variabel bebas ketiga
Y = variabel terikat
ε
= errorX1 Harapan Hidup
X2 Melek Huruf
X3 Rata-rata lama sekolah
Diagram jalurnya sebagai berikut :
r
x1x2ρ
yx1 X1ε
r
x1x3ε
ρ
yx2X2r
x1x2ρ
yx3 X3Gambar 1.2 Diagram jalur
Dimana koefisien jalur dari variabel-variabel tersebut akan dicari nilai dan pengaruhnya
masing-masing terhadap variabel terikat dengan menggunakan aplikasi SPSS 17.
1.7 Sistematika Penulisan
Sistematika penulisan Tugas Akhir ini terdiri dari 6 ( enam ) bab yang masing-masing
dirincikan dalam beberapa sub bab yaitu :
BAB 1 : PENDAHULUAN
Bab ini berisi tentang latar belakang, rumusan masalah, batasan
masalah, tujuan penelitian, manfaat penelitian, lokasi penelitian,
tinjauan pustaka, metode penelitian, dan sistematika penulisan.
X
2X
3BAB 2 : TINJAUAN PUSTAKA
Bab ini menjelaskan tentang segala sesuatu yang berhubungan dengan
penyelesaian masalah sesuai dengan judul dan permasalahan yang
diutarakan mengenai analisis jalur.
BAB 3 : GAMBARAN UMUM BADAN PUSAT STATISTIK
Bab ini berisi tentang sejarah singkat Badan Pusat Statistik, visi dan
misi Badan Pusat Statistik
BAB 4 : HASIL DAN PEMBAHASAN
Bab ini menjelaskan mengenai data yang akan dianalisis, metode
analisis data dengan menggunakan analisis jalur serta interpretasi data.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menjelaskan pengertian implementasi sistem, pengenalan Amos
versi 18, cara kerja Amos versi 18, dan cara pengoperasian Amos.
BAB 6 : PENUTUP
Bab ini berisi tentang beberapa kesimpulan dan saran yang dapat
BAB 2
TINJAUAN PUSTAKA
2.1 Konsep Dasar Statistika
Statistika merupakan cara-cara tertentu yang digunakan dalam mengumpulkan,
menyusun atau mengatur, menyajikan, menganalisis dan memberi interpretasi terhadap
sekumpulan data, sehingga kumpulan bahan keterangan yang dikumpulkan dapat
memberi pengertian dan makna tertentu. Seperti pengambilan kesimpulan, membuat
estimasi dan juga prediksi yang akan datang.
Ruang lingkup statistika meliputi statistik deduktif atau statistik deskriptif dan
statistik induktif atau statistik inferensial. Statististik deskriptif terdiri dari menghimpun,
menyusun, mengolah, menyajikan, dan menganalisis data angka. Sedangkan statistik
inferensial atau statistik induktif adalah meliputi teori probability, distribusi teoritis,
distribusi sampling, penaksiran, pengujian hipotesa, korelasi, komparasi dan regresi.
Sumber data statistik dapat dikumpulkan langsung oleh peneliti dari pihak yang
bersangkutan, disebut dengan data primer. Dan data dapat juga diperoleh dari pihak lain
2.2 Analisis Jalur
Analisis jalur pertama kali diperkenalkan oleh Sewall Wright (1921), seorang ahli
genetika, namun kemudian dipopulerkan oleh Otis Dudley Duncan (1966), seorang ahli
sosiologi. Analisis jalur bisa dikatakan sebagai pengembangan dari konsep korelasi dan
regresi, dimana korelasi dan regresi tidak mempermasalahkan mengapa hubungan antar
variabel terjadi serta apakah hubungan antar variabel tersebut disebabkan oleh variabel
itu sendiri atau mungkin dipengaruhi oleh variabel lain.
Analisis jalur ialah suatu teknik untuk menganalisi hubungan sebab akibat yang
terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung
tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D.Rutherford 1993). Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggalnya menunjukkan sebagai penyebab.
Pembobotan regresi diprediksikan dalam satu model yang dibandingkan dengan
matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga
penghitungan uji keselarasan statistik (David Gurson, 2003). Dari defenisi-defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur merupakan kepanjangan dari
2.2.1 Manfaat Analisis Jalur
Manfaat model analisis jalur, yaitu untuk :
1. Penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti.
2. Prediksi nilai variabel terikat (Y) berdasarkan nilaivariabel bebas (X) dan
diprediksi dengan analisis jalur ini bersifat kualitatif.
3. Faktor determinan yaitu penentuan variabel bebas (X) mana yang berpengaruh
dominan terhadap variabel terikat (Y), juga dapat digunakan untuk menelusuri
mekanisme (jalur-jalur) pengaruh variabel terikat (X) terhadap variabel terikat
(Y).
4. Pengujian model menggunakan theory trimming, baik untuk uji reabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.
2.2.2 Asumsi-Asumsi Analisis Jalur
Asumsi yang mendasari analisis jalur, yaitu :
1. Hubungan antar variabel adalah bersifat linear, adaptif, dan bersifat normal.
2. Hanya sistem aliran kausal ke satu arah, artinya tidak ada arah kausalitas yang
terbalik.
4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel
untuk memberikan peluang yang sama pada setiap anggota populasi untuk
dipilih menjadi anggota sampel.
5. Observed variables diukur tanpa kesalahan (instumen pengukuran valid dan
reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.
6. Model yang dianalisis dispesifikasikan (diidentifikasikan) dengan benar
berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori
yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang
mampu menjelaskan hubungan kausalitas antar variabel.
2.2.3 Model Analisis Jalur
Beberapa istilah dan defenisi dalam path analysis: (1) Dalam path Analysis, kita hanya menggunakan sebuah lambung variabel, yaitu X. Untuk membedakan X yang satu
dengan X yang lainnya, kita menggunakan subscript (indeks). Contoh : X1, X2, X3,
….., Xk. (2) Kita membedakan dua jenis variabel, yaitu variabel yang menjadi pengaruh
(exogenous variable), dan variabel yang dipengaruhi (endogenous variable). (3) Lambang hubungan langsung dari eksogen ke endogen adalah panah bermata satu, yang
bersifat recursive atau arah hubungan yang tidak berbalik/satu arah. (4) Diagram jalur merupakan diagram atau gambar yang mensyaratkan hubungan terstruktur antar
variabel (Harun Al Rasyid, 2005).
Ada beberapa model jalur mulai dari yang paling sederhana sampai dengan yang lebih
1. Model Regresi Berganda
Model pertama ini sebenarnya merupakan pengembangan regresi berganda
dengan menggunakan dua variabel exogenus, yaitu X1 dan X2 dengan satu
variabel exogenous Y. Model ini digambarkan sebagai berikut :
Gambar 2.1 Model Regresi Berganda
2. Model mediasi
Model kedua adalah model mediasi atau perantara dimana variabel Y
memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan
sebagai berikut ;
3. Model Kombinasi Pertama dan Kedua
Model ketiga ini merupakan kombinasi antara model pertama dan kedua, yaitu
variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak
langsung mempengaruhi variabel Z melalui variabel Y. Model ini digambarkan
sebagai berikut :
Gambar 2.3 Model Kombinasi Pertama dan Kedua
4. Model Kompleks
Model keempat ini merupakan model yang lebih kompleks, yaitu variabel X1
secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak
langsung mempengaruhi Y2, sementara variabel Y2 juga dippengaruhi oleh
variabel Y1. Model digambarkan sebagai berikut :
5. Model Rekursif dan Non Rekursif
Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu rekursif dan
non rekursif. Model rekursif ialah jika semua anak panah menuju satu arah
seperti pada gambar 2.5 berikut :
Gambar 2.5 Model Rekursif
Model tersebut dapat diterangkan sebagai berikut :
a. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3
menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1.
b. Hanya terdapat satu variabel exogenus, yaitu 1 dan tiga variabel endogenus, yaitu 2, 3, dan 4. Masing-masing variable endogenus diterangkan oleh variabel 1 dan error (e2, e3, dan e4).
Model non rekursif terjadi jika arah anak panah tidak searah atau terjadi arah yang
terbalik, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab akibat.
2.3 Analisis Regresi Linier Berganda
Regresi linier berganda mengandung makna bahwa dalam suatu persamaan regresi
terdapat satu variabel dependent dan lebih dari satu variabel independent. Regresi linier
berganda adalah analisis regresi yang menjelaskan hubungan antara variabel dependent
dengan faktor-faktor yang mempengaruhi lebih dari satu variabel independent.
Persamaan regresi berganda yang mempunyai variabel dependent Y dengan dua variabel independent, yakni X1 dan X2.
Secara umum persamaan regresi gandanya dapat ditulis sebagai berikut :
Ŷ = bo + b
1X
1+ b
2X
2(2.1)
Dengan :
Ŷ
= nilai estimasi Y
b
o = nilai Y pada perpotongan antara garis linear dengan sumbu vertikal Y.X
1, X
2 = nilai variabel independent terhadap Yb
1, b
2 = slope yang berhubungan dengan nilai X1 dan X2Untuk regresi linier yang menggunakan lebih dari dua variabel independent
maka persamaan yang digunakan adalah :
Ŷ = bo + b
1X
1+ b
2X
2+ … +b
nX
n(2.2)
Tabel 2.1 Bentuk Umum Data Observasi
Nomor
Observasi Responden Variabel Bebas
(Y) X1 X2 Xk
1 2
Y
1Y
2 . ..
.
X
11X
12.
.
.
.
X
21X
22 . . . . … … … … … …X
k1X
k2 . . . .N
Y
nX
1nX
2n …X
knΣ
Σ
Y
iΣ
X
1iΣ
X
2i…
Σ
X
knDari tabel 2.1 dapat dilihat bahwa
Y
1 berpasangan denganX
11,X
21,…,
X
k1 danY
2berpasangan dengan
X
12,X
22, …,X
k2 dan umumnya dataY
nberpasangan denganX
1n,X
2n,..., X
kn.Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan 4
Persamaan regresi berganda dengan tiga variabel bebas
X
1,X
2 danX3ditaksiroleh :
Ŷ = bo + b
1X
1+ b
2X
2+b
3X
3(2.3)
Dengan :
Ŷ
= nilai estimasi Yb
o = nilai Y pada perpotongan antara garis linear dengan sumbu vertikal YX1, X2, X3 = nilai variabel independent terhadap Y
b1, b2, b3 = slope yang berhubungan dengan nilai X1 dan X2
Dan diperoleh tiga persamaan normal, yaitu :
Σ Yi = b0n + b1ΣX1i+ b1ΣX2i+ b1ΣX3i
Σ X1i Yi = b0ΣX1i + b1ΣX21i+ b2Σ X1iX2i+ b3ΣX1iX3i
Σ X2i Yi =b0ΣX2i + b1ΣX1iX2i+ b2ΣX22i+ b3ΣX2iX3i
Σ X3i Yi = b0ΣX3i + b1ΣX1iX3i+ b2ΣX2iX3i+ b3ΣX23i (2.4)
Harga-harga b0,b1, b2, dan b3 yang telah di dapat kemudian disubstitusikan ke
dalam persamaan (2.4) sehingga diperoleh model regresi linier berganda Y atas X1, X2,
dan X3.
Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y
Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran
s
2y.12…k,yangdapat ditentukan dengan rumus :
s2y.123…k
(2.5)
Dengan :
Yi= nilai data hasil pengamatan
Ŷi = nilai hasil regresi
n = ukuran sampel
k = banyak variabel bebas
2.4 Uji Regresi Linier Ganda
Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan
secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk
mengetahui apakah variabel-variabel bebas secara bersamaan memiliki pengaruh
terhadap variabel tidak bebas.
Langkah-langkah pengujiannya adalah sebagai berikut :
1. Menentukan formulasi hipotesis
Ho : b1
=
b
2=
b
3= …=
b
k= 0, ( X
1, X2, …, Xk tidak mempengaruhi Y)H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol
2. Menentukan taraf nyata dan F tabel dengan derajat kebebasan v1 = k dan v2 =
n-k-1.
3. Menentukan kriteria pengujian
Ho diterima bila Fhitung≤
F
tabelH1 diterima bila Fhitung > Ftabel
4. Menentukan nilai statistik F dengan rumus :
F
hitung=
(2.6)
Dengan :
JKreg = jumlah kuadrat regresi
JKres = jumlah kuadrat residu (sisa)
n-k-1 = derajat kebebasan
Bentuk umumnya :
JK
reg= b
1Σ
y
iX
1i+ b
2Σ
y
iX
2i+
…+b
kΣ
y
iX
ki(2.7)
Dengan :
X1i = X1i– 1
X2i = X2i – 2
JK res =
Σ
(
Y
i - Ŷi)
25. Membuat kesimpulan apakah H0 diterima atau ditolak.
2.5 Koefisien Korelasi
Analisis Korelasi adalah alat yang dapat digunakan untuk mengetahui adanya derajat
hubungan linier antara satu variabel dengan variabel lain. Hubungan antara variabel ini
dapat berupa hubungan yang kebetulan belaka, tetapi dapat juga merupakan hubungan
sebab akibat.
Untuk mencari korelasi antara variabel Y dan X dapat dirumuskan sebagai
berikut :
r
yx=
(2.8)
Dua variabel dikatakan berkorelasi apabila perubahan pada suatu variabel akan
diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah
yang berlawanan. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis
hubungan, sebagai berikut :
1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikuti
2. Korelasi Negatif
Korelasi negatif terjadi apabila pada variabel yang satu diikuti dengan
perubahan variabel yang lain dengan arah yang berlawanan atau berbanding
terbalik. Artinya, apabila variabel yang satu meningkat, maka akan diikuti
dengan penurunan variabel yang lain dan sebaliknya.
3. Korelasi Nihil
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti pada
perubahan variabel yang lain dengan arah yang tidak teratur (acak).
Nilai koefisien korelasi adalah -1 ≤ r ≤ 1. Jika dua variabel berkorelasi negatif
maka nilai koefisien korelasi akan mendekati -1. Jika dua variabel tidak berkorelasi
akan mendekati 0. Sedangkan jika dua variabel berkorelasi positif maka koefisien
korelasi akan mendekati +1.
Untuk lebih memudahkan mengetahui seberapa jauh derajat keeratan antara
variabel tersebut, dapat dilihat pada perumusan berikut ini:
-1,00 ≤ r ≤ -0,80 berarti korelasi kuat secara negatif
-0,79 ≤ r ≤ -0,50 berarti korelasi sedang secara negatif
-0,49 ≤ r ≤ 0,49 berarti berkorelasi lemah
0,50 ≤ r ≤ 0,79 berarti berkorelasi sedang secara positif
BAB 3
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.1Visi dan Misi Badan Pusat Statistik Provinsi Sumatera Utara
3.1.1 Visi Badan Pusat Statistik
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang
punggung informasi pembangunan nasional dan regional, didukung Sumber Daya
Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.
3.1.2 Misi Badan Pusat Statistik
Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi
mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu,
handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan
3.3 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara
Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur
organisasi, karena perusahaan juga merupakan organisasi.Dimana organisasi adalah
suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh
sejumlah orang untuk mencapai tujuan bersama.
Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung
jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana
hubungannya yang satu dengan yang lain.
Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui
pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur
organisasi yang dipakai oleh Badan Pusat Statistik Provinsi Sumatera Utara adalah
berbentuk Lini dan staff.
1. Bagian Tata Usaha/Kepegawaian
2. Bidang Statistik Produksi
3. Bidang Statistik Distribusi
4. Bidang Statistik Kependudukan
5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik
3.4Job Description
Dalam menjalankan suatu organisasi maka diperlukan personal-personal jabatan
tertentu dalam organisasi tersebut di mana masing-masing diberi tugas dan fungsi job
description atau pembagian kerja. Kepala kantor dibantu bagian tata usaha yang terdiri
dari :
1. Sub Bagian Urusan Dalam
2. Sub Bagian Perlengkapan
3. Sub Bagian Keuangan
4. Sub Bagian Kepegawaian
5. Sub Bagian Bina Program
Sedangkan bidang penunjang statistik ada 5 bidang, yaitu:
1. Bidang Statistik Produksi
Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan
statistik pertanian, industri serta statistik konstruksi pertambangan dan energi.
2. Bidang Statistik Distribusi
Bidang Statistik Distribusi mempunyai tugas untuk melaksanakan kegiatan
statistik konsumen dan perdagangan besar, statistik keuangan dan harga
produsen serta Statistik Kesejahteraan.
3. Bidang Statistik Sosial
4. Bidang Integrasi Pengolahan dan Distribusi Sosial
Bidang Statistik Pengolahan Data mempunyai tugas yaitu melaksanakan
kegiatan dan penyiapan data, penyusunan sistem dan program serta operasional
pengolahan data dengan komputer.
5. Bidang Neraca Wilayah dan Analisis Statistik
Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas yaitu
melaksanakan kegiatan penyusunan neraca produksi, neraca konsumen dan
BAB 4
HASIL DAN PEMBAHASAN
4.1 Data
Data yang diambil dari Kantor Badan Pusat Statistik Sumatera Utara adalah data
[image:36.596.117.516.509.739.2]komponen Indeks Pembangunan Manusia menurut kabupaten/kota pada tahun 2012.
Tabel 4.1 Komponen Indeks Pembangunan Manusia (IPM) Menurut
Kabupaten/Kota di Provinsi Sumatera Utara
N o
Kabupaten / Kota
Angka Harapan
Hidup
Angka Melek Huruf
Rata-rata Lama Bersekolah
IPM
1 Nias 69,77 90,78 6,42 69,09
2 Mandailing Natal 63,70 99,34 7,92 71,04
3 Tapanuli Selatan 67,34 99,83 8,95 74,45
6 Toba Samosir 70,75 98,49 9,85 76,93
7 LabuhanBatu 70,02 97,96 8,55 74,65
8 Asahan 69,13 97,70 7,92 73,25
9 Simalungun 69,08 97,57 8,71 73,94
10 Dairi 68,59 98,70 8,91 73,49
11 Karo 72,29 98,72 9,22 75,79
12 Deli Serdang 70,88 98,64 9,56 75,78
13 Langkat 69,12 97,27 8,78 73,62
14 Nias Selatan 70,36 85,28 6,40 67,72
15 HumbangHasundutan 67,96 98,22 9,31 72,43
16 Pakpak Bharat 67,81 96,53 8,22 71,20
17 Samosir 69,84 97,47 9,54 74,27
18 SerdangBedagai 69,08 97,80 8,65 73,64
19 Batu Bara 68,71 95,27 7,54 72,08
20 Padang Lawas Utara 66,62 99,53 8,89 73,25
21 Padang Lawas 67,09 99,66 8,40 72,55
22 Labuhanbatu Selatan 70,23 98,93 8,24 74,38
23 Labuhanbatu Utara 69,97 98,53 8,01 74,14
24 Nias Utara 69,24 89,30 6,13 68,18
25 Nias Barat 69,23 84,46 5,88 67,10
26 Sibolga 70,29 99,31 9,72 75,50
27 Tanjungbalai 70,76 99,02 8,89 74,72
28 Pematangsiantar 72,29 99,47 10,89 77,93
29 TebingTinggi 71,47 99,02 9,90 76,91
Sumber : BPS, SurveiSosialEkonomiNasional
Dari tabeltersebut, maka :
Y = IPM (Indeks Pembangunan Manusia)
X1 = Angka HarapanHidup
X2 = Angka Melek Huruf
X3 = Rata-rata Lama Bersekolah
[image:38.596.126.518.464.632.2]Model diagram jalur berdasarkan paradigma hubungan variabel :
Gambar 4.1 Model diagram jalur berdasarkan paradigma
31 Binjai 71,89 99,20 9,99 76,88
32 Padangsidimpuan 69,72 99,72 10,21 75,58
33 Gunungsitoli 70,29 94,86 8,45 72,21
X1 HarapanHidup
IPM
X2 MelekHurufDiagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya satu
substuktur, yaitu X1, X2, X3 disebut sebagai variabel eksogen dengan Y sebagai
variabel endogen dengan persamaan stuktural sebagai berikut :
Y = ρyx1 X1 + ρyx2X2 + ρyx3 X3 + ε
Keterangan :
1. X1 = Angka Harapan Hidup (variabel bebas)
2. X2 = AngkaMelekHuruf (variabel bebas)
3. X3 = Rata-rata Lama Bersekolah (variabel bebas)
4. Y =Indeks Pembangunan Manusia (variabel terikat)
Diagram jalurnya sebagai berikut :
rx1x2 ρ yx1 X1 ε
rx1x3 ε
ρyx2X2
rx2 x3 ρyx3 X3
Gambar 4.2 Diagram jalur
X
1Y
X
2Keterangan :
a. X1 sebagai variabel bebas harapan hidup
b. X2 sebagai variabel bebas melek huruf
c. X3 sebagai variabel bebas rata-rata lama bersekolah
d. Y sebagai variabel terikat
Diagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya satu
substruktur, yaitu X1, X2, X3disebut sebagai variabel eksogen dengan Y sebagai
variabel endogen dengan persamaan struktural sebagai berikut :
Y = ρ yx1 X1 + ρ yx2 X2 + ρ yx3 X3 + ε
4.1.1 Menganalisis Data Menggunakan Program Amos Versi 18
Untuk menganalisis menggunakan Amos Versi 18, terdapat tahapan sebagai berikut:
1. Menampilkan gambar dengan tampilan angka hasil analisis
Buka Program Amos Versi 18
Input data dengan klik file kemudian pilih data dengan klik file name
kemudian klik OK
Klik Analyse pada menu Amos
Pilih Calculate Estimates (Ctrl + F9)
Save Path Diagram
Klik View the Output Path Diagram
2. Melakukan pengujian data
Setelah model dan file data dimasukkan, proses selanjutnya adalah melakukan proses
pengujian data. Untuk persiapan output maka langkah-langkahnya adalah sebagai
berikut:
Buka menu View
Pilih Analysis Properties (muncul Kotak Dialog Analysis Properties)
Klik tab output dan beri tanda centang semua tab output
Tutup kotak dialog dengan klik tombol close
Untuk proses, jalankan menu Analyse dan pilih Calculate Estimates
4.2 Menafsirkan Hasil Analisis Data
4.2.1 Analisis Regresi
Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan secara
parsial.
a. Melihat pengaruh Angka Harapan Hidup, Angka Melek Huruf, dan Rata-rata Lama
Bersekolah secara gabungan terhadap IPM.
Untuk melihat pengaruh harapan hidup, angka melek huruf, dan rata-rata lama bersekolah
terhadap IPM secara gabungan, akan kita lihat hasil perhitungan dalam model Squared Multiple Correlations, khususnya angka R square di bawah ini:
Squared Multiple Correlations : (Group number 1 – Default model)
Estimate
IPM ,966
Besarnya angka estimate dalam hal ini merupakan angka R square (r2) adalah 0,966.
Angka tersebut dapat digunakan untuk melihat besarnya pengaruh pendidikan, kesehatan,
dan ketenagakerjaan terhadap IPM Kabupaten Asahan dengan cara menghitung
Koefisien Determinasi (KD) dengan menggunakan rumus sebagai berikut:
Angka tersebut mempunyai maksud bahwa pengaruh harapan hidup, angka melek huruf,
dan rata-rata lama bersekolah secara gabungan terhadap IPM adalah 96,6 %. Adapun
sisanya sebesar 3,4 % (100 % - 96,6 %) dipengaruhi oleh faktor lain. Dengan kata lain
variabilitas IPM yang dapat diterangkan dengan menggunakan variabel angka harapan
hidup, angka melek huruf, dan rata-rata lama bersekolah adalah sebesar 96,6 %,
sedangkan pengaruh 3,4 % disebabkan oleh variabel-variabel lain di luar model ini.
Untuk mengetahui apakah model regresi di atas sudah benar atau salah, diperlukan uji
hipotesis menggunakan uji signifikansi sebagaimana tertera dalam tabel di bawah ini:
Covariances : (Group number 1 – Default model)
Estimate S.E. C.R. P Label
Angka_Harapan_Hidup <--> Angka_Melek_Huruf -,074 1,196 -,062 ,951 par_4
Angka_Melek_Huruf <--> Rata_rata_Lama_Bersekolah 3,764 1,061 3,549 *** par_5
Angka_Harapan_Hidup <--> Rata_rata_Lama_Bersekolah ,806 ,402 2,003 ,045 par_6
Angka estimate pada output di atas menunjukkan kovarian antar variabel terikat
(endogenus) dengan variabel bebasnya (eksogenus). Untuk mengetahui hal tersebut,
dapat dilakukan pengujian hipotesis seperti pada pengujian ada tidaknya hubungan antara
dua variabel tertentu.
Kaidah pengujian signifikansi Program Amos 18 sebagai berikut:
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau
[0,05 ≤ Sig], maka Ho diterima dan H1 ditolak yang artinya tidak signifikan.
Dari tabel kovarian di atas, nilai probabilitas lebih besar dari 0,05, bahkan mencapai angka
sempurna yakni mendekati 1. Jika diberikan hipotesis seperti berikut:
Ho : tidak ada hubungan yang nyata (signifikan) antara angka harapan hidup,
angka melek huruf, dan rata-rata lama bersekolah terhadap IPM
H1 : ada hubungan yang nyata (signifikan) antara angka harapan hidup, angka
melek huruf, dan rata-rata lama bersekolah terhadap IPM
Maka, dari pernyataan di atas, Ho ditolak dan H1 diterima sehingga ada hubungan
yang nyata (signifikan) antara angka harapan hidup, angka melek huruf, dan rata-rata lama
bersekolah terhadap indeks pembangunan manusia.
a. Melihat pengaruh angka harapan hidup, angka melek huruf, dan rata-rata lama
bersekolah secara parsial terhadap IPM.
Untuk melihat pengaruh angka harapan hidup, angka melek huruf, dan rata-rata lama
bersekolah terhadap IPM secara parsial, akan kita lihat hasil perhitungan dalam model
Regression Weights: Group number 1 – default model :
Regressions Weights : (Group number 1 – Default model)
Estimate S.E. C.R. P Label
IPM <--- Angka_Harapan_Hidup ,573 ,067 8,583 *** par_1
Proses:
Perumusan Hipotesis
Ho : Tidak ada hubungan yang nyata (signifikan) antara angka harapan
hidup, angka melek huruf, dan rata-rata lama bersekolah terhadap IPM.
H1 : Ada hubungan yang nyata (signifikan) antara angka harapan hidup, angka
melek huruf, dan rata-rata lama bersekolah terhadap IPM.
Dalam hal ini semua hubungan , jika ada dan nyata, adalah positif. Dalam arti
semakin tinggi angka harapan hidup justru mengakibatkan semakin rendah angka
melek huruf. Hal ini penting, karena jika hubungan dinyatakan signifikan, namun
mempunyai tanda negatif, seharusnya hasil tersebut ditolak, karena tidak sesuai
dengan hipotesis teoritis.
Dasar keputusan:
Jika nilai probability (P) > 0,05 Ho diterima.
Jika nilai probability (P) < 0,05 Ho ditolak.
Keputusan :
Pada kolom P terlihat nilai P adalah ***. Hal ini menunjukkan angka P adalah 0,000, yang
jauh di bawah 0,05. Karena itu Ho ditolak, atau pada pengujian nilai estimate antara
IPM dengan ketiga variabel di atas dikatakan memang terdapat hubungan yang nyata
Untuk melengkapi hasil analisis di atas, berikut disertakan tampilan estimate yang
sudah distandarisasi.
Standardized Regression Weights : (Group number 1 – Default model)
Estimate
IPM <--- Angka_Harapan_Hidup ,371
IPM <--- Angka_Melek_Huruf ,550
IPM <--- Rata_rata_Lama_Bersekolah ,349
Jika tabel terdahulu menguji signifikan atau tidak hubungan dua variabel, maka tabel ini
menjelaskan seberapa eratnya hubungan tersebut. Namun karena pada uji signifikansi
sudah terbukti ada hubungan yang nyata, maka tidak perlu analisis lanjutkan.
4.2.2 Analisis Korelasi
Analisis korelasi antar variabel angka harapan hidup, angka melek huruf, dan
rata-rata lama bersekolah pada hasil output berikut ini:
Covariances : (Group number 1 – Default model)
Estimate S.E. C.R. P Label
Angka_Harapan_Hidup <--> Angka_Melek_Huruf -,074 1,196 -,062 ,951 par_4
Analisis hubungan antar variabel bebas (eksogen) :
Hipotesis yang diajukan
Ho : tidak ada hubungan antar dua variabel eksogen (bebas)
H1 : ada hubungan antar dua variabel eksogen (bebas)
Dasar keputusan:
Jika nilai probability (P) > 0,05 Ho diterima
Jika nilai probability (P) < 0,05 Ho ditolak
Kovarians adalah hubungan dua variabel yang bersifat dua arah berbeda (berbeda
dengan regression weights yang bersifat searah). Pada model ada beberapa kovarians, yang menunjukkan hubungan antara masing-masing variabel bebas (eksogenus). Pada
kolom P terlihat semua angka probability yakni P (0,951 ; 0,000 ; 0,045). Hal ini
berarti ada hubungan antara variabel angka melek huruf terhadap rata-rata lama
bersekolah dan ada hubungan antara variabel angka harapan hidup dengan rata-rata lama
bersekolah.
Correlations : (Group number 1 – Default model)
Estimate
Angka_Harapan_Hidup <--> Angka_Melek_Huruf -,011
Angka_Melek_Huruf <--> Rata_rata_Lama_Bersekolah ,806
Dari hasil korelasi data di atas nilai estimate bernilai negatif. Hal ini berarti telah terlihat
jelas bahwa tidak ada korelasi (hubungan) antara dua variabel bebas (eksogenus).
Penjelasan selanjutnya sebagai berikut:
Korelasi antara Angka Harapan Hidup dan Angka Melek Huruf
rx1x2 = -0,011
Berdasarkan perhitungan diperoleh nilai korelasi antar variabel angka harapan hdiup dan
angka melek huruf sebesar -0,011 yang berarti bahwa hubungan antara angka harapan
hidup dan angka melek huruf adalah negatif sempurna dan tak searah.
Korelasi antara Angka Melek Huruf dengan Rata-rata Lama Bersekolah
rx2x3 = 0,806
Berdasarkan perhitungan diperoleh nilai korelasi antara variabel angka melek huruf dan
rata-rata lama bersekolah sebesar 0,806 yang berarti bahwa hubungan antara angka melek
huruf dan rata-rata lama bersekolah adalah kuat dan searah.
Korelasi antara Angka Harapan Hidup dengan Rata-rata Lama Bersekolah
rx1x3 = 0,379
Berdasarkan perhitungan diperoleh nilai korelasi antara variabel angka harapan hidup
dan rata-rata lama bersekolah sebesar 0,379 yang berarti bahwa hubungan antara angka
Implied(for all variabels) Correlations (Group number 1 – Default model) Rata_rata_ Lama_ Bersekolah Angka_ Melek_ Huruf Angka_ Harapan_ Hidup IPM Rata_rata_Lama_
Bersekolah 1,000
Angka_Melek_Huruf ,806 1,000
Angka_Harapan_Hidup ,436 ,044 1,000
IPM 4,072 7,704 8,104 1,000
Besarnya nilai korelasi antara variabel terikat (endogenus) dengan variabel bebas
(eksogenus) antara lain:
Korelasi antara Angka Harapan Hidup dengan IPM
rx1y = 8,104
Berdasarkan perhitungan diperoleh nilai korelasi antara variabel angka harapan hidup
dan IPM sebesar 8,104 yang berarti bahwa hubungan antara angka harapan hidup dan IPM
adalah sangat kuat dan searah.
Korelasi antara Angka Melek Huruf dengan IPM
rx2y = 7,704
Berdasarkan perhitungan diperoleh nilai korelasi antara variabel angka melek huruf dan
IPM sebesar 7,704 yang berarti bahwa hubungan antara angka melek huruf dan IPM
Korelasi antara Rata-rata Lama Bersekolah dengan IPM
rx3y = 4,072
Berdasarkan perhitungan diperoleh nilai korelasi antara variabel rata-rata lama bersekolah
dan IPM sebesar 4,072 yang berarti bahwa hubungan antara rata-rata lama bersekolah dan
IPM adalah sangat kuat dan searah.
4.3 Perhitungan Pengaruh
4.3.1 Pengaruh Langsung (Direct Effect)
Pengaruh langsung (Direct Effect) adalah Besarnya pengaruh langsung yang dapat dilihat dari koefesien jalur dari satu variabel ke variabel lainnya. Untuk menghitung besarnya
pengaruh langsung dalam presentase (%) yaitu dengan cara mengkuadratkan koefisien
jalurnya. Besarnya pengaruh langsung variabel eksogenus terhadap variabel
endogenus = Pxux1 X Pxux1.
Dalam hal ini variabel angka harapan hidup secara langsung mempengaruhi IPM
sehingga besar pengaruh langsung dapat dihitung dengan menggunakan rumus Pxux1 X
Pxux1. Variabel angka melek huruf mempengaruhi IPM secara langsung sehingga besar
pengaruh langsung IPM dengan angka melek huruf dapat dihitung dengan menggunakan
rumus Pxux2 X Pxux2 dan untuk menghitung besarnya pengaruh langsung variabel rata-rata
Hasil outputnya dapat dilihat sebagai berikut :
Direct Effects (Group number 1 – Default model)
Rata_rata_Lama_ Bersekolah
Angka_Melek_ Huruf
Angka_Harapan_ Hidup
IPM ,780 ,387 ,573
Besarnya pengaruh langsung variabel Angka Harapan Hidup terhadap IPM
X1 Y = 0,573
Hal itu menunjukkan besarnya kontribusi angka harapan hidup (X1) yang secara
langsung mempengaruhi IPM (Y) adalah 0,5732 = 0,3283 atau 32,83 %. Artinya bahwa
angka harapan hidup secara langsung mempengaruhi angka IPM sebesar 32,83 % dan
sisanya dipengaruhi secara langsug oleh variabel yang lain.
Pengaruh variabel Angka Melek Huruf terhadap IPM
X2 Y = 0,387
Hal itu menunjukkan besarnya kontribusi angka melek huruf (X2) yang secara langsung
mempengaruhi IPM (Y) adalah 0,3872 = 0,1498 atau 14,98 %. Artinya bahwa angka
harapan hidup secara langsung mempengaruhi angka IPM sebesar 14,98 % dan sisanya
dipengaruhi oleh variabel yang lain.
Pengaruh variabel Rata-rata Lama Bersekolah terhadap IPM
X3 Y = 0,780
Hal itu menunjukkan besarnya kontribusi ketenagakerjaan (X3) yang secara langsung
Artinya bahwa angka harapan hidup secara langsung mempengaruhi angka IPM sebesar
14,98 % dan sisanya dipengaruhi oleh variabel yang lain.
Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini:
Standardized Direct Effects (Group number 1 – Default model)
4.3.2 Pengaruh Tidak Langsung (Indirect Effects)
Pengaruh tidak langsung (Indirect Effect) dapat didefenisikan sebagai urutan jalur melalui satu atau lebih variabel perantara.
Untuk menghitung pengaruh tak langsung (indirect effect) digunakan formula sebagai
berikut:
Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus
= pxuxi x rx1x2 x pxuxi.
Hasil outputnya dapat dilihat sebagai berikut :
Indirect Effects (Group number 1 – Default model)
Rata_rata_Lama_ Bersekolah Angka_Melek_ Huruf Angka_Harapan_ Hidup
IPM ,000 ,000 ,000
Rata_rata_Lama_ Bersekolah Angka_Melek_ Huruf Angka_Harapan_ Hidup
Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini:
Standardized Indirects Effects (Group number 1 – Default model)
Rata_rata_Lama_ Bersekolah Angka_Melek_ Huruf Angka_Harapan_ Hidup
IPM ,000 ,000 ,000
Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah
penjumlahan besarnya pengaruh langsung dengan besarnya pengaruh tidak langsung
= [pxuxi x pxuxi] + [pxux x rx1x2]
Hasil outputnya adalah sebagai berikut :
Total Effects (Group number 1 – Default model)
Rata_rata_Lama_ Bersekolah Angka_Melek_ Huruf Angka_Harapan_ Hidup
IPM ,780 ,387 ,573
Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini:
Standardized Total Effects (Group number 1 – Default model)
Rata_rata_Lama_ Bersekolah Angka_Melek_ Huruf Angka_Harapan_ Hidup
BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam sistem yang telah disetujui, dan memulai sistem baru atau
sistem yang sudah diperbaiki.
5.2 Sekilas Tentang Amos Versi 18
Ada beberapa program komputer yang dapat digunakan untuk menganalisis model
persamaan struktural antara lain AMOS, ESQ, LISREL, with PRELIS, LISCOMP
Mx, SASS PROC CALIS, STATISTICA-SEPATH. Program AMOS memiliki
kelebihan karena user friendly graphical interface. Program ini di buat oleh perusahaan Smallwaters Corporation da versi untuk student dapat diperoleh secara
gratis di http://www.smallwaters.com/ versi student sebenarnya lengkap seperti
haknya full version, tetapi jumlah variabel hanya dibatasi sampai delapan variabel
Pada saat ini AMOS sudah mencapai AMOS 18, namun demikian, semua data
dan output pada buku (yang dibuat menggunakan AMOS 18) dapat diakses dengan
program AMOS versi-versi sebelumnya, yakni AMOS 4, AMOS 5, AMOS 6, AMOS
7, AMOS 16, maupun AMOS 17. Mulai dari AMOS versi 7, bersamaan dengan rilis
versi terbaru SPSS, yakni SPSS versi 16. Ada lompatan versi AMOS, dari AMOS 7
ke AMOS 16, yang disebabkan adanya keinginan untuk menyamakan versi AMOS
dengan SPSS terbaru. Namun dari sisi content dan future, antara AMOS 16 dan AMOS 7, kemudian dengan AMOS 17 dan AMOS 18, hampir tidak ada perubahan,
kecuali adanya kemampuan mixed modeling yang ada pada versi 16, konversi ke program Visual Basic. Dan beberapa tambahan kemampuan pembuatan diagram.
Untuk dapat menggunakan AMOS 18, diperlukan persyaratan hardware sebagai berikut:
1. Memori RAM minimal 256 MB
2. Tersedia tempat kosong di Hard disk minimal 125 MB
3. Tersedia Software Internet Eksplorer Versi 16 ke atas
4. Tersedia program net.Framework versi 3,5 atau di atasnya. Jika sistem operasi
yang digunakan adalah Windows Vista atau Windows 7, program tersebut
pada umumnya telah terinstal, dapat mengunduhnya lewat internet
5.3 Mengaktifkan Amos Versi 18
Program Amos dapat diaktifkan langsung lewat icon AMOS yang ada di layar, atau
lewat Start All Program SPSS Inc AMOS 18 AMOS GRAPHICS.
[image:56.596.156.480.235.436.2]Saat membuka program AMOS, akan tampak tampilan berikut.
Gambar 5.1 Tampilan Awal AMOS Versi 18
Tampak di tengah windows adalah area berbentuk segi empat yang
menggambarkan selembar kertas yang nanti akan digunakan untuk menggambarkan
model struktural secara grafik. Disamping itu, ada beberapa menu antara lain file, edit,
view, diagram, analysis, tool plugin, dan help. Disamping tampilan window utama
Amos Graphic, Amos juga menampilkan toolbox windows dengan button perintah
yang akan digunakan untuk menggambarkan dan operasi pemodelan.
5.4 Membuka Lembar Baru
5.5 Membuat Gambar Path Diagram
Gambarkan diagram path dengan menggunakan menu dalam program Amos Versi 18
Gambar 5.2 Path Diagram
5.6 Pengisian Data
Setelah membuat gambar model diagram jalurnya, kemudian lakukan pengisian data
[image:57.596.143.494.517.715.2]yang akan diolah dengan menggunakan Amos 18, yakni dengan cara sebagai berikut:
Gambar 5.4 Pngisian Data pada Data File
5.7 Pengolahan Data Dengan Analisis Jalur
Data diolah dengan menggunakan icon View Analysis Propertice yang kemudian
[image:58.596.154.485.474.688.2]Gambar 5.6 Pengisisan Data pada kotak Analysis Properties
Kemudian dilakukan pengolahan data dengan cara klik icon Analysis Calculate
Estimate, dengan tampilan sebagai berikut:
[image:59.596.134.505.444.693.2]5.8 Output Hasil Pengolahan Data
[image:60.595.154.541.208.474.2]Dari hasil analisis dapat dilihat output model sebagai berikut:
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil analisis yang telah dilakukan maka dapat diambil beberapa
kesimpulan yaitu :
1. Variabel angka harapan hidup, angka melek huruf dan rata-rata lama
bersekolah memiliki hubungan yang linier dengan masing-masing besar
pengaruh yaitu pengaruh angka harapan hidup terhadap indeks pembangunan
manusia sebesar 0,573 ; pengaruh angka melek huruf terhadap indeks
pembangunan manusia sebesar 0,387 ; pengaruh rata-rata lama bersekolah
terhadap angka indeks pembangunan manusia 0,780.
2. Pengaruh angka harapan hidup, angka melek huruf dan rata-rata lama
bersekolah secara gabungan terhadap indeks pembangunan manusia adalah
96,6 %.
3. Variabel angka melek huruf, angka harapan hidup, dan rata-rata lama
bersekolah memiliki korelasi yang sedang dan searah terhadap indeks
6.2 Saran
Adapun saran yang dapat diberikan oleh penulis adalah :
1. Adanya tindak lanjut dari pemerintah Provinsi Sumatera Utara dalam usaha
peningkatan pendidikan dan kesehatan masyarakat dalam memaksimalkan
program pembangunan manusia.
2. Adanya perhatian khusus pemerintah Provinsi Sumatera Utara dalam
perubahan keragaman data yang menggambarkan Indeks Pembangunan
Manusia yang mengalami peningkatan maupun penurunan setiap tahunnya.
3. Meskipun sudah di dapat indikator yang merumuskan angka Indeks
Pembangunan Manusia (IPM), terlebih dahulu kita perlu menguji seberapa
besar pengaruh masing-masing indikator sehingga hasil perhitungan maksimal
DAFTAR PUSTAKA
Algifari. 2000. Analisa Regresi Teori Kasus dan Solusi. Edisi Kedua. Yogyakarta : BPFE.
Anton, Dajan. 1972. Pengantar Metode Statistik. Jakarta : LP3ES.
Drafer, N.R dan Smith H. 1992. Analisis Regresi Terapan. Edisi Kedua. Jakarta : PT. Gramedia Pustaka Umum.
Ghozali, Imam. 2004. Model Persamaan Struktural Konsep dan Aplikasi dengan Program SPSS ver.17. Semarang : Andi.
Hasan, Ikbal. 2003. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara.
Riduwan. 2007. Cara menggunakan dan Memaknai Analisis Jalur. Bandung : Alfabeta.
Santoso, Singgih. 2011. Structural Equation Modeling (SEM) Konsep dan Aplikasi dengan Program AMOS 18. Jakarta : PT. Elex Media Komputindo.
Sarwono, Jonathan. 2007. Analisis Jalur untuk Riset Bisnis dengan SPSS. Yogyakarta : C.V.Andi
Sudjana. 2005. Metode Statistika. Bandung : Tarsito.
Suharjo, Bambang. 2008. Analisis Regresi Terapan dengan SPSS. Yogyakarta : Graha Ilmu.